Формування навчальної вибірки для налаштування згорткових нейронних мереж

Автор(и)

  • V. M. Sineglazov Національний авіаційний університет, Київ
  • A. T. Kot Національний технічний університет України «Київський політехнічний інститут ім. Ігоря Сікорського»

DOI:

https://doi.org/10.18372/1990-5548.66.15225

Ключові слова:

Згорткові нейронні мережі, штучне розмноження даних, малоінформативні дані, інтелектуальні медичні системи

Анотація

Розглянуто задачу формування навчальної вибірки для налаштування згорткових мереж, що має велике значення при побудові інтелектуальних медичних систем діагностики в яких для обробки зображень використовуються результати УЗД, КТ та МРТ. У зв’язку з нестачею елементів навчальної вибірки запропоновано використовувати підходи штучного розмноження даних на основі вихідної навчальної вибірки фіксованого обсягу. Показано, що в результаті такого збільшення обсягу навчальної вибірки в неї можуть потрапити малоінформативні і поганої якості елементи, які можуть внести додаткові похибки у розв’язання поставленої задачі. Для усунення такої ситуації в роботі запропоновано алгоритм оцінки якості елемента вибірки з подальшим видаленням малоінформативних елементів.

Біографії авторів

V. M. Sineglazov, Національний авіаційний університет, Київ

Кафедра авіаційних комп’ютерно-інтегрованих комплексів

Факультет аеронавігації електроніки і телекомунікацій

Доктор технічних наук. Професор. Завідувач кафедрою

orcid.org/0000-0002-3297-9060

A. T. Kot, Національний технічний університет України «Київський політехнічний інститут ім. Ігоря Сікорського»

Кафедра технічної кібернетики

Аспірант

Посилання

Ghosh Ashish & Dehuri Satchidananda, "Evolutionary Algorithms for Multi-Criterion Optimization: A Survey," International Journal of Computing & Information Sciences, 2, 2004.

C. A. C. Coello, "Evolutionary multi-objective optimization: a historical view of the field," Comput. Intell. Mag. IEEE 1 (1), 28–36, 2006. https://doi.org/10.1109/MCI.2006.1597059

K. Deb, "Multi-Objective Optimization Using Evolutionary Algorithms," vol. 16, John Wiley & Sons, 2001.

A. Zhou, B.-Y. Qu, H. Li, S.-Z. Zhao, P. N. Suganthan, and Q. Zhang, "Multi-objective evolutionary algorithms: a survey of the state of the art," Swarm Evol. Comput, 1 (1), 32–49, 2011. https://doi.org/10.1016/j.swevo.2011.03.001.

B. Li, J. Li, K. Tang, and X. Yao, "Many-objective evolutionary algorithms: a survey," ACM Comput. Surv. 48 (1), pp. 1–35, 2015. https://doi.org/10.1145/2792984

H. Ishibuchi, N. Tsukamoto, and Y. Nojima, "Evolutionary many-objective optimization: a short review," Proceedings of the IEEE Congress on Evolutionary Computation, 2008, pp. 2419–2426. https://doi.org/10.1109/CEC.2008.4631121

M. Farina, and P. Amato, "A fuzzy definition of “optimality” for many-criteria optimization problems," IEEE Trans. Syst. Man Cybern, Part A: Syst. Hum., 34 (3), 2004, pp. 315–326. https://doi.org/10.1007/s40747-019-0113-4

Mario Köppen, Raul Vicente-Garcia, and Bertram Nickolay, "Fuzzy-Pareto-dominance and its application in evolutionary multi-objective optimization," in: Proceedings of the Evolutionary Multi-criterion Optimization, Springer, 2005, pp. 399–412. https://doi.org/10.1007/978-3-540-31880-4_28

S. Yang, M. Li, X. Liu, and J. Zheng, "A grid-based evolutionary algorithm for many-objective optimization," IEEE Trans. Evol. Comput. 17 (5), 2013, pp. 721–736. https://doi.org/10.1109/TEVC.2012.2227145.

R. Wang, R. C. Purshouse, and P. J. Fleming, "Preference-inspired coevolutionary algorithm for many-objective optimization," IEEE Trans. Evol. Comput. 17 (4), 2013, pp. 474–494. https://doi.org/10.1109/TEVC.2012.2204264.

M. Li, S. Yang, and X. Liu, "Shift-based density estimation for Pareto-based algorithm in many-objective optimization," IEEE Trans. Evol. Comput., 18 (3), 2014, pp. 348–365. https://doi.org/10.1109/TEVC.2013.2262178

K. Tan, T. Lee, & E. Khor, "Evolutionary Algorithms for Multi-Objective Optimization: Performance Assessments and Comparisons," Artificial Intelligence Review 17, pp. 251–290, 2002. https://doi.org/10.1023/A:1015516501242

[No3] O. I. Chumachenko and A. T. Kot. "Formation of a Learning Set for the Task of Image Processing," Electronics and Control Systems, N 3(65), Kyiv, NAU: Osvita Ukrainy, pp. 9–17, 2020. https://doi.org/10.18372/1990-5548. 65.14978

##submission.downloads##

Як цитувати

Sineglazov, V. M., & Kot, A. T. (2020). Формування навчальної вибірки для налаштування згорткових нейронних мереж. Електроніка та системи управління, 4(66), 19–23. https://doi.org/10.18372/1990-5548.66.15225

Номер

Том 4 № 66 (2020)

Розділ

КОМП’ЮТЕРНІ НАУКИ ТА ІНФОРМАЦІЙНІ ТЕХНОЛОГІЇ

Ліцензія

Автори, які публікуються в цьому журналі, погоджуються з наступними умовами:

Автори зберігають авторські права та надають журналу право першої публікації роботи, одночасно ліцензованої за ліцензією Creative Commons Attribution License, яка дозволяє іншим поширювати роботу з посиланням на авторство роботи та її першу публікацію в цьому журналі.

Автори можуть укладати окремі додаткові договірні угоди щодо неексклюзивного розповсюдження опублікованої в журналі версії роботи (наприклад, розміщувати її в інституційному репозиторії або публікувати в книзі) з посиланням на її першу публікацію в цьому журналі.

Авторам дозволяється та заохочується розміщувати свої роботи онлайн (наприклад, в інституційних репозиторіях або на своєму вебсайті) до та під час процесу подання, оскільки це може призвести до продуктивного обміну, а також до більш раннього та більшого цитування опублікованих робіт (див. Вплив відкритого доступу).